智能工厂作为工业智能化发展的重要实践模式，已经引发行业的广泛关注。到底什么是智能工厂？智能工厂的核心架构是怎样的？能为企业的转型提供哪些支撑？这都是企业比较关心的话题。智能工厂以及智能制造之间到底是否可以互相替换，概念之间是否存在区别？
智能制造
智能制造 是指运用技术的力量，跨制造供应链和整个工厂协调各种物理和数字流程，例如物料寻源、物流、生产和废弃物处置。智能制造的主要目标是改善运营绩效，快速响应供应和需求波动。
智能是由“智慧（wisdom）”和“能力”两个词语构成。从感觉到记忆到思维这一过程，称为“智慧”，智慧的结果产生了行为和语言，将行为和语言的表达过程称为“能力”，两者合称为“智能（intelligent/smart）”。将感觉、记忆、回忆、思维、语言、行为的整个过程称为智能过程，它是智慧和能力的表现。
Smart Manufacturing(SM) IntelligentManufacturing(IM)区别
上图：从 WoS 数据库对 SM/IM 上的关键字出现进行叠加可视化
（a） SME 、（b） RAMI 4.0 和 IM （c） IMSA 和 （d） ISAM的代表性框架/架构。CAE：计算机辅助工程;CAM：计算机辅助制造;CCX：连续调试;CPI：持续过程改进;DCS：分布式控制系统;DFMA：制造和装配设计;DFSCM：供应链管理设计;ERP：企业资源规划;FMS：柔性制造系统;HMI：人机界面;制造业：制造业;MOM：制造运营管理;O&M：运维;PLM：产品生命周期管理;QMS：质量管理体系;SCM：供应链管理;BG：行为生成;SP：感觉处理;WM：世界建模
《智能制造发展规划（2016-2020年）》给出了一个比较全面的描述性定义：智能制造是基于新一代信息通信技术与先进制造技术深度融合，贯穿于设计、生产、管理、服务等制造活动的各个环节，具有自感知、自学习、自决策、自执行、自适应等功能的新型生产方式。推动智能制造，能够有效缩短产品研制周期、提高生产效率和产品质量、降低运营成本和资源能源消耗，并促进基于互联网的众创、众包、众筹等新业态、新模式的孕育发展。智能制造具有以智能工厂为载体，以关键制造环节智能化为核心，以端到端数据流为基础、以网络互联为支撑等特征，这实际上指出了智能制造的核心技术、管理要求、主要功能和经济目标，体现了智能制造对于我国工业转型升级和国民经济持续发展的重要作用。
关键要点
智能制造是指使用全面集成的技术来采集数据，跨整个制造工厂和制造供应链实现流程数字化。
智能工厂是智能制造这一概念的现实体现。
智能工厂通常离不开人工智能、机器学习、物联网和机器人。
智能工厂之吸引制造商，原因在于它能够降低成本；提高效率；快速伸缩生产规模，响应需求变化；降低对工人的依赖；减少产品缺陷。
智能工厂
在智能工厂中 通过生产管理系统、计算机辅助工具和智能装备的集成与互操作来实现智能化、网络化分布式管理，进而实现企业业务流程与工艺流程的协同，以及生产资源（材料、能源等）在企业内部及企业之间的动态配置。
其实，一些工厂很多年以前就已经在使用机器人和自动化技术了。只有采用全面集成的系统和机械设备，打通物理和数字的界限，一家工厂才能真正称得上是智能工厂。智能工厂往往会部署机器人，有时还会使用3D 打印技术。从根本上说，智能工厂是智能制造这一概念的现实体现。
一方面，“工欲善其事必先利其器”，实现智能制造的利器就是数字化、网络化的工具软件和制造装备。
另一方面，智能制造是一个覆盖更宽泛领域和技术的“超级”系统工程，在生产过程中以产品全生命周期管理为主线，还伴随着供应链、订单、资产等全生命周期管理，如下图所示。
在智能工厂中，借助于各种生产管理工具/软件/系统和智能设备，打通企业从设计、生产到销售、维护的各个环节，实现产品仿真设计、生产自动排程、信息上传下达、生产过程监控、质量在线监测、物料自动配送等智能化生产。下面介绍了几个智能工厂中的“智能”生产场景。
场景1：设计/制造一体化。所有的生产过程包括产品设计、工艺设计、工装设计、产品制造、检验检测等都基于该模型实现，这打破了设计与制造之间的壁垒，有效解决了产品设计与制造一致性问题。
场景2：供应链及库存管理。当客户订单下达时，ERP自动计算所需的原材料，并且根据供应商信息及时计算原材料的采购时间，确保在满足交货时间的使得库存成本Zui低甚至为零。
场景3：质量控制。车间内使用的传感器、设备和仪器能够自动在线采集质量控制所需的关键数据；生产管理系统基于实时采集的数据，提供质量判异和过程判稳等在线质量监测和预警方法，及时有效发现产品质量问题。产品具有唯一标识（条形码、二维码、电子标签），可以以文字、图片和视频等方式追溯产品质量所涉及的数据，如用料批次、供应商、作业人员、作业地点、加工工艺、加工设备信息、作业时间、质量检测及判定、不良处理过程等。
场景4：能效优化。采集关键制造装备、生产过程、能源供给等环节的能效相关数据，使用MES系统或EMS（能源管理系统）系统对能效相关数据进行管理和分析，及时发现能效的波动和异常，在保证正常生产的前提下，相应地对生产过程、设备、能源供给及人员等进行调整，实现生产过程的能效提高。
智能工厂的建立可大幅改善劳动条件，减少生产线人工干预，提高生产过程可控性，Zui重要的是借助于信息化技术打通企业的各个流程，实现从设计、生产到销售各个环节的互联互通，并在此基础上实现资源的整合优化和提高，从而提高企业的生产效率和产品质量。
智能制造和智能工厂有什么区别
智能工厂是实现智能制造的载体。智能制造是一个很广泛的概念，是指使用全面集成的技术来协调和改进整个工厂和供应链中的所有物理与数字流程。智能工厂则是将智能制造这个概念付诸实践，是智能制造的现实化。
1、智能工厂体系和层级
从初级到，智能工厂一般可分为下列 4 个层级。目前，绝大多数工厂处于第一层级。
数据可用性。制造商建设智能工厂的第一步是从整个供应链和工厂中所有资产与机械设备所连接的传感器收集海量数据。在第一层级，制造商还需要收集传统系统的数据，这通常需要手动操作，需要进行自定义集成和导入电子表格，甚至需要重新录入数据。
数据情境化。在第二层级，制造商合理组织和打通各个领域的数据，构建一个全面的数据视图。例如，当想要了解各种人员配置方案对产出的影响时，制造商就需要关联HR 数据和运营数据，进行基本数据分析。在这一阶段，为了更轻松地理解数据，制造商一般会使用仪表盘和其它数据可视化工具。
数据激活。在这一层级，制造商使用人工智能和机器学习驱动的分析方法来预测未来产出 — 几乎不需要手动操作。例如，AI算法可以诊断机器运行状况，在发现机器可能发生故障时提示操作人员进行维修，进而避免出现性损坏和长时间、代价高昂的生产停机。
数据“自主运转”。在智能工厂进入第四层级后，机器人以及其他机械设备基于持续的数据流分析结果，完全自主运行。例如，智能工厂可以基于消费者需求预测数据伸缩生产规模，或者使用视觉传感器识别焊接缺陷，指示机器人重新焊接，避免焊接不良的金属件流入下一工序。随后，运行结果将反馈到一个闭环系统，随着时间推移逐步改善决策流程。在这一层级，制造商可以完整实现工业4.0 的自主愿景。
2、如何实现制造环节智能化？
互联网技术的普及使得企业与个体客户间的即时交流成为现实，促使制造业可实现从需求端到研发生产端的拉动式生产，以及从“生产型”向“服务型”产业转变。企业领先于竞争对手完成数字化、网络化与智能化的转型升级，实现大规模定制化生产来满足个性化需求并提供智能服务，方能在瞬息万变的市场上立于不败之地。
看得见的是个性化定制和智能服务，看不见的是生产制造各环节的数字化、网络化与智能化。实现智能制造，网络化是基础，数字化是工具，智能化则是目标。
网络化是指使用相同或不同的网络将工厂/车间中的各种计算机系统、智能装备，甚至操作人员、物料、半成品和成品等连接起来，以实现设备与设备、设备与人、物料与设备之间的信息互通和良好交互。生产现场的智能装备通过工业控制网络连接，工业控制网络包括现场总线（如PROFIBUS、CC-Link、Modbus等）、工业以太网（如PROFINET、CC-LinkIE、Ethernet/IP、EtherCAT、POWERLINK、EPA等）、工业无线网（如WIA-PA、WIA-FA、WirelessHART、ISA100.11a等）等网络技术。射频识别（RFID）技术在智能工厂中也扮演重要角色，可实现产品在整个制造过程中的自动识别与跟踪管理。车间/工厂的生产管理系统则直接使用以太网连接。工厂网络还要求与互联网连接，通过大数据应用和工业云服务实现价值链企业协同制造、产品远程诊断和维护等智能服务。
数字化是指借助于各种计算机工具，一方面在虚拟环境中对产品物体特征、生产工艺甚至工厂布局进行辅助设计和仿真验证，例如：使用CAD（计算机辅助设计）进行产品二维、三维设计并生成数控程序G代码，使用CAE（计算机辅助工程）对工程和产品进行性能与安全可靠性分析与验证，使用CAPP（计算机辅助工艺设计）通过数值计算、逻辑判断和推理等功能来制定和仿真零部件机械加工工艺过程，使用CAM（计算机辅助制造）进行生产设备管理控制和操作过程等；另一方面，对生产过程进行数字化管理，例如：使用CDD（通用数据字典）建立产品全生命周期数据集成和共享平台，使用PDM管理产品相关信息（包括零件、结构、配置、文档、CAD文件等），使用PLM进行产品全生命周期管理（产品全生命周期的信息创建、管理、分发和应用的一系列应用解决方案）等。
智能化可分为两个阶段，当前阶段是面向定制化设计，支持多品种小批量生产模式，通过使用智能化的生产管理系统与智能装备，实现产品全生命周期的智能管理，未来愿景则是实现状态自感知、实时分析、自主决策、自我配置、精准执行的自组织生产。这就要求实现生产数据的透明化管理，各个制造环节产生的数据能够被实时监测和分析，从而做出智能决策；要求生产线具有高度的柔性，能够进行模块化的组合，以满足生产不同产品的需求。还应提升产品本身的智能化，如提供友好的人机交互、语言识别、数据分析等智能功能，并且生产过程中的每个产品和零部件是可标识、可跟踪的，甚至产品了解自己被制造的细节以及将被如何使用。
数字化、网络化、智能化是保证智能制造实现“两提升、三降低”经济目标的有效手段。数字化确保产品从设计到制造的一致性，并且在制样前对产品的结构、功能、性能乃至生产工艺都进行仿真验证，极大地节约开发成本和缩短开发周期。网络化通过信息横纵向集成实现研究、设计、生产和销售各种资源的动态配置以及产品全程跟踪检测，实现个性化定制与柔性生产提高了产品质量。智能化将人工智能融入设计、感知、决策、执行、服务等产品全生命周期，提高了生产效率和产品核心竞争力。
3、智能工厂技术
2023 年 EY 的一项调查显示，97% 的工业制造 CEO表示自己近期的工作重点是继续推进数字和技术转型项目。这些项目通常涉及以下技术：
传感器。智能工厂将传感器连接到或安装在机械设备内部来收集温度、振动、压力、扭矩、接近度和运动等各种数据。传感器是工业物联网的核心。
工业物联网(IIoT)。制造主管和操作人员可使用从智能工厂机械设备和其他联网资产中收集的数据来分析资产的物理状况、性能、产出以及相关生产流程，基于分析结果，在需要时修复机械设备或调整生产流程。例如，IIoT中的传感器可以检测机械设备的异常振动或温度变化，提醒工人进行维护。通过这种预测性维护，制造商可以提前介入，避免发生代价高昂的停机事件或设备损坏。IIoTWorld 在 2022 年的一项调查显示，67% 的制造商已经部署了或正在制定 IIoT 战略。
云计算。云计算能够为智能工厂的数据、应用和底层基础设施提供强大支持，是绝大多数智能工厂的技术基础。云技术服务可提供多重优势。它们可以轻松扩展和伸缩，灵活满足制造商需求。新应用特性以及性能和其他增强功能可以自动通过互联网交付，无需制造商IT团队投入大量时间和专业知识去执行升级工作。云技术服务支持随处访问且通常具有可靠的安全性和备份功能。Zui后，制造商只需要为实际需要和使用的应用与基础设施容量付费。
大数据。制造商在智能工厂中收集和分析海量数据（人们所说的大数据）。强大的 ERP系统支持的应用包括预测性维护、异常检测、质量检查、废弃物减排、流程改进以及市场预测。例如，当预测特定产品即将迎来需求高峰时，制造商可以为其分配更多装配生产线和/或提高其库存规模。
4、如何实现网络互联互通?
智能制造的首要任务是信息的处理与优化，工厂/车间内各种网络的互联互通则是基础与前提。没有互联互通和数据采集与交互，工业云、工业大数据都将成为无源之水。智能工厂/数字化车间中的生产管理系统（IT系统）和智能装备（自动化系统）互联互通形成了企业的综合网络。按照所执行功能不同，企业综合网络划分为不同的层次，自下而上包括现场层、控制层、执行层和计划层。图2给出了符合该层次模型的一个智能工厂/数字化车间互联网络的典型结构。随着技术的发展，该结构呈现扁平化发展趋势，以适应协同高效的智能制造需求。
智能工厂/数字化车间互联网络各层次定义的功能以及各种系统、设备在不同层次上的分配如下。
1）计划层：实现面向企业的经营管理，如接收订单，建立基本生产计划（如原料使用、交货、运输），确定库存等级，保证原料及时到达正确的生产地点，以及远程运维管理等。企业资源规划（ERP）、客户关系管理（CRM）、供应链关系管理（SCM）等管理软件在该层运行。
2）执行层：实现面向工厂/车间的生产管理，如维护记录、详细排产、可靠性保障等。制造执行系统（MES）在该层运行。
3）监控层：实现面向生产制造过程的监视和控制。按照不同功能，该层次可细分为：
4)监视层：包括可视化的数据采集与监控（SCADA）系统、HMI（人机接口）、实时数据库服务器等，这些系统统称为监视系统；
5)控制层：包括各种可编程的控制设备，如PLC、DCS、工业计算机（IPC）、其他专用控制器等，这些设备统称为控制设备；
6）现场层：实现面向生产制造过程的传感和执行，包括各种传感器、变送器、执行器、RTU（远程终端设备）、条码、射频识别，以及数控机床、工业机器人、AGV（自动引导车）、智能仓储等制造装备，这些设备统称为现场设备。
工厂/车间的网络互联互通本质上就是实现信息/数据的传输与使用，具体包含以下含义：物理上分布于不同层次、不同类型的系统和设备通过网络连接在一起，并且信息/数据在不同层次、不同设备间的传输；设备和系统能够一致地解析所传输信息/数据的数据类型甚至了解其含义。前者即指网络化，后者需定义统一的设备行规或设备信息模型，并通过计算机可识别的方法（软件或可读文件）来表达设备的具体特征（参数或属性），这一般由设备制造商提供。如此，当生产管理系统（如ERP、MES、PDM）或监控系统（如SCADA）接收到现场设备的数据后，就可解析出数据的数据类型及其代表的含义。
